Milot Gashi, Researcher der Area 3 – Cognitive Decision Support – präsentierte die Ergebnisse seine Arbeit bei der
IEEE Information Visualization (InfoVIS 2020). Die IEEE-Konferenz zur Informationsvisualisierung (InfoVis)
fokussiert auf eine Vielzahl von Themen im Zusammenhang mit der Informationsvisualisierung.

Er empfiehlt ein interaktives visuelles Analyse-Dashboard auf der Grundlage von SHAP-Werten, welches Schlüsselmerkmale
in einer Vorhersage hervorhebt, die von einem KI-Modell zur Vorhersage des Fehlers komplexer industrieller Geräte gemacht wurde. Darüber hinaus ist das Dashboard
ermöglicht es Domänenexperten, Geräte mit ähnlichem Verhalten in der Vergangenheit zu untersuchen.

Er empfiehlt ein interaktives visuelles Analyse-Dashboard, das auf SHAP-Werten basiert und wichtige Merkmale
hervorhebt in einer Vorhersage, die von einem KI-Modell zur Vorhersage des Fehlers komplexer industrieller Geräte gemacht wurde.
Darüber hinaus ist das Dashboard ermöglicht es Domänenexperten, Geräte mit ähnlichem Verhalten in der Vergangenheit zu untersuchen.

“Interactive Visual Exploration of Defect Prediction in Industrial Settings through Explainable Models based
on SHAP values” wurde zusammen mit Kollegen von Pro2Future, Fronius International, AVL, and TU Graz verfasst.

#pro2future #InteractiveVisualExploration #DefectPrediction #ExplainableAI #SHAPvalues #DecisionSupportSystem #cognitive

IEEE InfoVIS 2020